2016.12.21实例选择

实例选择能有效移除数据中的噪声和冗余数据。--移除数据中的噪声数据来提高数据分类准确率。

对数据集进行有效的预处理是进行分类学习、模式识别等问题的前提。

实例选择对数据集中的噪声实例（对分类产生负面作用的噪声实例）进行针对性的删除，进而提高数据集的分类准确率（优化分类学习过程）。

特征选择和实例选择是常用的两种数据简化方法，其中前者是减少实例属性的个数（特征降维），而后者是减少实例的个数（选出原始样本集的一个子集，同时要求该子集最好能具有与原始样本集相近或者更好的性能）。

对于实例选择问题的研究主要是寻找和构造有效的实例选择算法。

经典的实例选择算法：Edited Nearest-Neighbor (ENN) 剪辑最邻近算法：

mutual k-nearest neighbor